澳门太阳集团9728网站
信息技術研究生論壇
場次一、
時間：2022年12月5日（星期一）9:00-11:00
地點：澳门太阳集团9728网站601教室
報告題目一：移動邊緣網絡中聯邦學習效率優化問題
報告人：何思怡
報告簡介：報告介紹了移動邊緣網絡中聯邦學習效率優化問題。聯邦學習 (FL) 是一種新興框架，用于邊緣設備分布式處理大數據量，受限于通信帶寬有限、數據分布和計算資源的異構性以及隐私考慮。報告詳細介紹了以邊緣計算作為擴展，提出了基于邊緣學習的聯邦學習方法。該方法關注聯邦學習中異構性問題，融合了在分布式優化問題中有良好表現的算法，提高了聯邦學習的通信效率。
報告題目二：基于聲譽篩選聯邦學習數據源的醫療數據共享
報告人：馮敏瑜
報告簡介：報告介紹了一種聯邦學習與區塊鍊相結合的醫療數據共享與隐私保護方案。随着醫療大數據的發展，醫療數據安全、個人隐私保護的問題也日益突出。報告介紹了一種方法通過聯邦學習對多源醫療數據進行建模，将訓練的模型參數和醫療機構的聲譽值存儲于區塊鍊上，并利用區塊鍊對貢獻高質量數據的醫院進行獎勵。然後，通過分析數據源質量對聯邦學習算法性能的影響，提出了一種基于雙重主觀邏輯模型的聲譽值計算方法來改進聯邦學習的精确度，以保證在數據共享中高效篩選數據源，提高共享效率和實現隐私保護。
報告題目三：基于聯邦學習的分布式隐私保護技術研究
報告人：陳逸欣
報告簡介：報告介紹了一種基于聯邦學習(federated learning)和拆分學習(split learning)的隐私保護分布式學習方法。由于深度神經網絡(DNN)的訓練需要大量數據和算力支撐，僅依靠物聯網邊緣中單個設備擁有的數據不足以完成模型訓練，而傳統的集中式訓練方法也逐漸暴露出越來越多的隐私安全問題。聯邦學習和拆分學習使客戶端們避免将數據上傳至服務器而又能協同訓練神經網絡模型，既保護了數據隐私又充分利用了各客戶端的數據源。報告介紹了該方法的實現和效果，證明了該方法的有效性。
報告題目四：基于PBFT的物聯網邊緣計算多階段一緻性算法研究
報告人：謝金城
報告簡介：介紹了一種多階段一緻性算法EIoT-PBFT，包括分組階段、評分階段和一緻性達成階段。EIoT-PBFT算法采用兩階段改進PBFT算法和基于位置和信譽的評分機制，滿足物聯網邊緣計算環境，大大提高了共識效率，相比PBFT算法減少90%的系統通信次數所需配置的邊緣節點數量僅為5個，使得區塊鍊更适合CIoT設置。
場次二、
時間：2022年12月6日（星期二）14:00-16:00
地點：澳门太阳集团9728网站610教室
報告題目一：ATP: In-network Aggregation for Multi-tenant Learning
報告人：彭涯軍
報告簡介：随着機器學習數據集和模型的增大，機器學習的訓練過程逐步被部署到多服務器上，其中多worker向參數服務器PS交換梯度、更新模型的計算方式是一種典型的體系結構。但是，在這種體系結構下，PS容易成為通信瓶頸。因此我們設計了網内聚合協議ATP來解決這一瓶頸，同時支持在數據中心中的多租戶多機櫃部署。ATP利用最近的可編程交換機技術，将參數聚合的過程卸載到交換機上，從而減小了PS的網絡流量和計算量。ATP協議包括交換機上的網内聚合計算服務、終端服務器的可靠傳輸、和高吞吐網卡的加速技術。通過将ATP對接PyTorch和AlexNet、VGG等常用模型上進行測試，證明ATP能夠有效的加速機器學習的效率。
報告題目二：REN: Receiver-driven Congestion Control using
Explicit Notification for Data Center
報告人：餘天添
報告簡介：近年來，在數據中心網絡中，許多接收方驅動的傳輸協議被提出，它們通常使用主動擁塞控制的方法來滿足應用對延遲的要求。然而，在動态的網絡環境下，接收方驅動的傳輸協議面臨着各種各樣的挑戰。首先，當突發流開始時，第一個RTT中的攻擊性即盲目以線路速率傳輸容易導緻持久的隊列積壓。其次，當一些流完成傳輸時，其餘的流不能增加其發送速率以占用可用帶寬。為了解決這些問題，本文提出了一種新的接收方驅動的擁塞控制協議REN，它使用交換機的低利用率和過度利用率通知來處理動态流量。在顯式标記的幫助下，REN減輕了由于攻擊性啟動而導緻的隊列積壓問題，明顯的提高了鍊路帶寬資源的利用率，并且仍然保留了接收器驅動的特性以實現超低延遲。我們使用DPDK實現了REN的原型。真實試驗台和大規模NS2模拟的實驗結果表明，與最先進的接收方驅動傳輸方案相比，REN有效地将平均流完成時間降低，并提高了鍊路帶寬資源的利用率。
報告題目三：ScaleCom: Scalable Sparsified Gradient Compression for Communication-Efficient Distributed Training
報告人：李溫良
報告簡介：在過去的十年中，DNN在包括計算機視覺、語音和自然語言處在内的廣泛應用中已經超越了傳統的機器學習模型。在最先進的平台上進行深度神經網絡(DNN)的大規模分布式訓練，預計将受到嚴重的通信限制。為了克服這一限制，已經提出了許多梯度壓縮技術，并證明了高壓縮比。然而，大多數現有的方法不能很好地擴展到大規模的分布式系統(由于梯度積累)或不能在大型數據集上評估模型保真度(測試精度)。為了緩解這些問題，本文提出了一種新的壓縮技術，可擴展稀疏梯度壓縮(ScaleCom)，它利用worker之間梯度分布的相似性來提供顯著改進的可伸縮性。
報告題目四：數字孿生輔助自适應視頻流的個性化體驗質量增強方案
報告人：覃少雯
報告簡介：由于針對視頻流的個性化體驗質量（PQoE）模型是用戶特定的和時變的，因此基于通用和時不變個性化體驗質量的現有方案可能會性能下降。而數字孿生具有實時雙向映射、動态交互的特點，可以充分捕獲時變的用戶特點和視頻流，實時分析并輔助視頻流傳輸。數字孿生輔助的自适應視頻流方案不僅可以針對不同用戶捕獲其個性化的視頻參數的偏好，還可以根據視頻變化實時調整個性化體驗質量模型參數。本次報告介紹了DT輔助的個性化體驗質量模型構建方法，和深度強化學習算法，聯合确定段版本選擇、通信和計算資源分配，以增強用戶個性化體驗質量。
報告題目五：基于三維圖像和回歸網絡的豬體重自動測量
報告人：羅森
報告簡介：用秤稱豬需要很多時間，容易讓豬産生壓力。這可以通過基于深度圖像測量權重來避免。我們設計了一系列預處理算法，包括實例分割、距離無關、降噪和旋轉校正。這些算法用于消除周圍環境和其他因素的影響。為了準确預測權重，我們基于BotNet構建了一個回歸網絡。3×3卷積和MHSA的雙分支代替ResNet中第四塊的單個3×3卷積。在網絡的末端，我們并行使用多個完全連接的層，然後将它們連接起來以預測權重。在對122736張圖像進行訓練後，我們的網絡在5326張測試圖像上的MAE為6.366。
場次三、
時間：2022年12月6日（星期二）15:00-17:00
地點：澳门太阳集团9728网站601教室
報告題目一：意見三元組抽取方法及擴展任務研究
報告人：何乃旭
報告簡介：主要介紹意見三元組抽取的幾種主流方法，包括管道模型，聯合學習模型和基于機器閱讀理解的抽取方法。并由此擴展到語言模型的邏輯推理、思維鍊等方法。
報告題目二：大規模網絡下進化計算法算法在社區發現領域的應用研究
報告人：餘謙
報告簡介：介紹社區發現領域常用的進化計算算法以及原理，随後介紹在大規模網絡下主流進化計算算法存在的問題。最後，介紹為解決這些問題所提出的一些改進算法并介紹對比實驗結果和未來改進方向。
場次四、
時間：2022年12月7日（星期三）8:00-12:00
地點：澳门太阳集团9728网站601教室
報告題目一：基于頻濾自适應濾波器的單視圖三維重建研究
報告人：溫凡彪
報告簡介：報告介紹了一種基于頻濾自适應濾波器的單視圖三維重建方法。由于圖卷積相當于一個低通濾波器，因此基于圖卷積分網格重建常常難以恢複高頻的細節特征。該方法使用頻濾自适應濾波器設計的卷積算子提取多尺度頻率特征，使得重建網格具備更多的細節。報告介紹了該方法的實現和效果，彌補了該研究領域的空白。
報告題目二：多模态特征融合的圖像匹配研究
報告人：王欣
報告簡介：報告介紹了一種利用多模态特征融合的圖像匹配方法。模态的普遍性和深度學習的快速發展賦予了多模态融合技術極大的發展潛力。報告詳細介紹了多模态和圖像匹配得背景知識，并介紹了一種新穎得結合多模态特征融合得圖像匹配方法，該方法在性能上達到了SOTA。
報告題目三：圖神經網絡綜述
報告人：劉飛
報告簡介：介紹了圖學習的概念、應用和發展現狀。圖被廣泛用于表示連接數據的網絡結構。圖數據可以在廣泛的應用領域中找到，如社會系統、生态系統、生物網絡、知識圖和信息系統。随着人工智能技術的發展，圖學習(即圖上的機器學習)正受到研究者和實踐者的關注。圖學習被證明對許多任務都是有效的，例如分類、鍊接預測和匹配。
報告題目四：基于CNN特征融合圖像塊回歸的空間隐寫分析
報告人：梁偉琳
報告簡介：介紹了一種用于圖像隐寫分析融合圖像塊回歸的深度卷積神經網絡。目前深度卷積神經網絡構建的隐寫隐寫分析模型已經牢固地确立了自己優于以前的傳統檢測方式 - 基于富媒體模型的分類器。基于圖像塊回歸的深度模型能夠有效利用cover圖像和stego圖像之間的差别，并以塊回歸的模式輔助網絡訓練，使得網絡達到了更好的分類精度，并且這種架構是通用的，大量的實驗表明，該網絡的卓越性能有了顯着的改進，特别是在空間域中。
場次五、
時間：2022年12月7日（星期三）14:30-16:05
地點：澳门太阳集团9728网站601教室
報告題目一：基于序列結構和語法結構的方面級情感分析研究
報告人：淩鍵軍
報告簡介：當前方面級情感分類的研究方法主要是利用注意力機制結合句法依存樹的方法對方面詞及其上下文關系進行建模。這些方法容易受到句法依存樹的解析質量的影響，同時隻從句法結構角度考慮句子情感，忽視了句子本身序列結構所包含的句子情感信息，限制了模型性能的進一步提升。針對這些問題，本報告提出了一種結合句子序列結構和句法結構的網絡模型，模型中分别處理兩種結構的情感信息，然後融合兩種結構的情感信息獲取結構之間的共性情感信息，最後結合多層網絡之間的融合信息，提升模型的情感分類效果。
報告題目二：貝葉斯網絡結構學習綜述
報告人：饒臻
報告簡介：貝葉斯網絡是一種描述變量間不确定性因果關系的概率圖模型，廣泛應用于預測、推理、診斷、決策風險及可靠性分析等領域。結構學習作為構建貝葉斯網絡的基礎，被證實為非确定多項式難題。本報告将貝葉斯網絡結構學習按照數據量大小分為完備數據和缺失數據，将完備數據下的貝葉斯網絡結構學習分為近似學習算法和精确學習算法。根據上述分類方法，對現有算法及其相關的改進算法進行總結與分析對比。
報告題目三：雙向任意尺度縮放的圖像優化方法
報告人：李志鵬
報告簡介：基于深度學習的單幅圖像超分辨率模型得到了廣泛的研究，對于具有固定尺度因子的低分辨率圖像和降尺度退化核的超分辨率模型都取得了很好的效果。為了提高這類模型在現實世界中的适用性，人們越來越有興趣開發針對任意放大因子優化的模型。我們提出的方法是第一個将任意縮放，包括縮小和放大，作為一個統一的過程。通過兩個方向的聯合優化，該模型能夠同時學習圖像的縮放和降尺度，實現圖像的雙向任意縮放。它在很大程度上提高了當前任意縮放模型的性能，同時學習在縮放圖像中保持視覺感知質量。在周期幂等檢驗中進一步證明了該模型的魯棒性，當重複使用降尺度到上尺度的周期時，重構精度不會嚴重下降。這種魯棒性有利于在野外圖像縮放時，該循環可以應用于一個圖像多次。它在任意大尺度和非對稱尺度的測試中也表現良好，即使該模型沒有使用此類任務進行訓練。大量的實驗證明了我們的模型的優越性能。
報告題目四：基于物聯網的溫室通風除濕設備研究
報告人：黃天藝
報告簡介：首先介紹相關背景和課題來源。傳統人工開口除濕中存在的費時費力、自然通風效率低等問題，報告詳細介紹了根據農業物聯網标準體系結構，結合溫室黃瓜生長的實際環境及需求，設計與研發一套溫室專用的通風設備。針對農業應用場景中防水、抗凍、防震、防蟲、低成本等需求，在硬件方面采用輕型材料設計防水風機外觀，在設備中各部件添加防震墊圈，采用防水風機并添加防蟲網。在軟件層面，基于TTL通信協議傳輸數據，Raspberry Pi 4B輸出的智能決策結果由4G DTU模塊接收，STM32通過串口AT命令驅動4G模塊與Raspberry Pi 4B進行連接，并利用引腳将決策結果轉化為風機電壓控制器的控制信号，控制風機通風實現自适應換氣調控。
報告題目五：
報告人：何浩發
報告簡介：生物網絡比對不僅是一個NP-hard問題，而且在生物網絡數據中混雜着大量的假相互作用。本報告介紹一種利用生成對抗網絡（Generative adversarial network, GAN）的比對方法。首先通過提取生物網絡中的節點和邊信息來得到圖的節點嵌入表示；然後将源圖的嵌入通過GAN映射到目标圖的嵌入空間來完成對齊；最後，通過統計映射後嵌入之間的距離來得到結果。通過在真實的PPI網絡數據集IsoBase上測試，在拓撲相似性和生物相似性上均有良好的表現。
報告題目六：基于僞激光雷達的實時3D目标檢測算法
報告人：李昌财
報告簡介：三維（3D）物體檢測是自動駕駛中的一項基本任務。盡管最近基于LiDAR的3D物體檢測技術已經得到了很好的研究并實現了高檢測精度，但LiDAR傳感器的成本對其實際實施造成了很高的溢價。最近引入的基于僞激光雷達的利用圖像數據檢測物體的方法具有較高的成本效益，但計算複雜，無法滿足實時性要求。在本文中，我們提出了一種輕量級僞激光雷達三維檢測系統，該系統實現了高精度和高響應性。具體來說，我們采用了一種高效的深度估計器，其中使用二進制神經網絡（BNN）來實現及時的深度預測。為了解決BNN定量引起的精度下降問題，我們在BNN訓練中引入了虛拟平面的幾何約束，以增強對象的完整性并改善其在3D空間中的表示。對于我們系統的三維物體探測器，我們提供了有效的改進方案，包括偏差感知（DA）頭和微調模塊（FM），用于将現有的基于激光雷達的探測器轉換為高效的僞激光雷達檢測組件。KITTI基準測試的實驗表明，我們的系統可以在35毫秒内進行3D檢測，同時獲得與最先進的（SOTA）算法競争的結果。
報告題目七：信任博弈中的聲譽機制研究
報告人：強炳壯
報告簡介：信任對現實世界中的經濟發展、社會和諧、政治穩定和文化繼承至關重要，理解信任在自私種群中是如何湧現和演化的，一直是一個有意義且有挑戰性的問題。報告介紹了具有動态适應性聲譽的受托人的聲譽建立和成本如何影響信任的演化。結果證明，即使建立聲譽要付出代價，信任和可信度仍然有可能出現并持續存在。同時，适度水平的聲譽建立意願或中等的聲譽成本更有利于信任的演化。
報告題目八：第三代測序數據基因組結構變異檢測算法研究
報告人：馬彙東
報告簡介：基因組結構變異檢測是基因組分析中一個重要且充滿挑戰的研究問題。現有的基于長讀的結構變異檢測方法仍存在參數容錯率低、假陽性率高、難以同時很好地處理多種變異的問題。本次報告介紹了一種基于長讀比對信息編碼的基因組結構變異檢測方法，通過将結構變異周圍的長讀比對信息編碼成圖像，使用卷積神經網絡進行過濾以降低假陽性率，從而達到更高的檢測性能。在模拟數據集及真實數據集上的實驗表明，本報告介紹的基因組結構變異檢測方法在檢測插入、缺失、倒位和重複方面優于現有方法。
報告題目九：基于TFHE的多密鑰同态加密
報告人：王冠倫
報告簡介：基于TFHE的多密鑰全同态加密方案通過推廣Chillotti等人的低延遲同态加密，提出了一種多密鑰同态加密方案。該方案可以在不同密鑰下加密的密文上計算二進制門，然後進行引導。實現這一目标的最大挑戰是設計單方引導密鑰和多密鑰RLWE密文之間的乘法。該方案為這種混合積提出了兩種不同的算法。第一種方法改進了Mukherjee and Wichs的密文擴展，以提供更好的性能。第二種是一種全新的方法，它在存儲、複雜性和噪聲增長方面具有優勢。
場次六、
時間：2022年12月8日（星期四）8:00-10:00
地點：澳门太阳集团9728网站601教室
報告題目一：集體決策中的從衆反應研究
報告人：強炳壯
報告簡介：從家庭和委員會等小規模社會系統，到政府和國際組織等大規模決策，集體決策都是人類社會的核心。這些系統的中心關注點是社會學習者的影響。報告探讨了從衆反應如何影響集體表現。模型預測，當社會學習者的比例達到一個臨界阈值時，就會出現一個雙穩态狀态，大多數人最終會傾向于更高價值或更低價值的選擇。不超過此阈值時，大多數人會選擇更高價值的選擇。臨界阈值由從衆反應函數和兩個選擇的相對價值決定。研究有助于緩解社會學習者在集體表現上影響的分歧，并提出了一個數學框架，該框架可以很容易地用于擴展研究更廣泛的動态變化。
報告題目二：從LiDAR中學習幾何感知表示的雙目3D檢測器
報告人：李昌财
報告簡介：基于立體的3D檢測旨在從立體圖像中檢測3D物體，為3D感知提供了一種低成本的解決方案。然而，與基于激光雷達的檢測算法相比，其性能仍然較差。為了檢測和定位精确的 3D 邊界框，基于 LiDAR 的探測器對來自 LiDAR 點雲的高級表示進行編碼。相比之下，由于立體匹配的限制，基于立體的探測器學習的高級特征很容易受到錯誤深度估計的影響。為了解決這個問題，我們提出了LIGAStereo（LiDAR幾何感知立體探測器）在基于LiDAR的檢測模型的高級幾何感知表示的指導下學習基于立體的3D探測器。此外，我們發現現有的基于體素的立體探測器無法從間接3D監督中有效地學習語義特征。我們附加了一個輔助 2D 檢測頭，以提供直接的 2D 語義監督。實驗結果表明，上述兩種策略提高了幾何和語義表示能力。與最先進的立體探測器相比，我們的方法在官方KITTI基準測試中分别提高了10.44%、5.69%、5.97%mAP的汽車、行人、騎自行車者的3D檢測性能。基于立體和基于激光雷達的3D探測器之間的差距進一步縮小。
